基于改进YOLOv8s的无人机目标检测算法

针对目前无人机航拍图像目标尺寸较小,图像背景复杂,导致现有的无人机目标检测算法检测精度较低的问题,提出一种改进YOLOv8s的无人机目标检测算法。首先使用可变形卷积替换标准卷积,以增强网络对不规则形状目标的特征提取能力;然后使用可分离大核注意力机制(LSKA)改进快速空间金字塔池化(SPPF)模块,改善因目标尺度差异较大导致检测精度较低的问题。在网络颈部结合双向特征金字塔网络(Bi-FPN)实现多尺度特征融合,改善网络对小目标的漏检和错检问题。在网络头部,使用自注意力机制动态检测头(DyHead)替换原检测头,增强对遮挡物体和小目标的检测能力。最后,针对数据集中存在大量低质量样本对训练过程产生负面影响的问题,使用Wise-IOU损失函数,提升模型收敛速度和检测精度。实验结果表明,改进后的方法在VisDrone2019数据集上获得了41.7%的平均精度均值(mAP),与原YOLOv8s算法相比,mAP@0.5提升了3.0%,mAP@0.5∶0.95提升了1.9%,参数量下降了17.5%,计算量下降了12.63%。实现了模型轻量化和检测精度双重提升。

改进YOLOv5s的复杂交通场景下目标检测算法

针对在实际的交通道路目标检测中,存在着小目标检测精度低,遮挡目标容易出现漏检误检等问题,提出了一种改进的YOLOv5s道路目标检测算法YOLOv5s-OEAG。将YOLOv5s的标签分配策略更换为效率更高的OTA标签分配策略,提高模型的检测精度与泛化能力;提出了一种轻量化的解耦预测头对不同尺寸的特征层进行分类任务与回归任务的解耦,提高模型对道路中小目标的检测能力;将原始模型中的最近邻插值上采样模块替换为轻量级通用上采样CARAFE模块,有助于更好地保留图像中的细节信息,提高模型的精度;提出了一种新的C3模块GMC3,在减小模型计算量的同时提高模型捕获特征的能力;为了提高模型的泛化能力,对KITTI数据集进行了扩充,增加了小目标的数量。实验结果表明,改进后的模型在经过扩充后的KITTI数据集的mAP达到了90.4%,比原始模型的精度提高了2.8%;FPS为75,满足实时性的要求,在一定程度上提高了对复杂交通场景的适应能力。

明式硬木家具用材之道

明式硬木家具的制作对于用材的选择是十分注重的,并以用材的精选、考究著称于世。本文从因材施艺、顺性而用两个方面,以按质择工、巧用色、善用纹、顺木性四个角度为切入点论证了明式硬木家具用材艺术的科学性和内在原则。这对于明清硬木家具制作技艺的传承具有一定的现实意义和借鉴价值。

现代名宅研究中心成立 落户Naga上院

2006年04月28日，naga上院地产开发商李建国与全国住宅产业设计联盟首席执行官、建筑大师陈世民揭牌现代名宅研究中心。